基于近红外光谱技术的叶面药液浓度检测

提出了一种应用近红外光谱技术快速检测叶面药液浓度的方法。采用漫反射测量方式获取了叶面药液的近红外光谱。选用标准偏差归一化、三点滑动平均滤波和一阶导数为最优组合预处理。通过7种波段方案的对比,得出最优波段为350～1 900 nm。采用偏最小二乘法建立了叶面药液质量浓度与光谱反射率的定量分析模型。其预测集相关系数为0.994,预测均方根误差为0.039。结果表明,利用近红外光谱技术检测叶面药液浓度具有实际指导意义。     

西瓜可溶性固形物含量近红外透射检测技术

设计的近红外透射式西瓜可溶性固形物含量（SSC）检测系统主要包括光纤光谱仪、光纤透射附件、数据采集卡以及自制光源。对50个麒麟瓜SSC进行了预测试验，采用主成分回归和偏最小二乘回归法分别建立了样品的原始光谱、一阶微分光谱、二阶微分光谱和SSC的预测模型，结果表明偏最小二乘回归法建立的模型具有较高的相关性，相关系数为0．951，均方根校正误差0．347，均方根预测误差0．302，样本真实值与预测值的相关系数为0．910。     

基于模拟退火波长优化的草莓坚实度近红外光谱检测

为提高近红外光谱技术检测草莓坚实度模型的精度和鲁棒性,研究了一种基于模拟退火算法的波长优选方法,并找到一种与该算法配套的光谱预处理方法。利用光谱仪和物性仪分别采集草莓样品近红外漫反射光谱和坚实度数据,并采用标准正交变换、多元散射校正、一阶导数、二阶导数等方法对原始光谱进行预处理;最后,利用模拟退火算法优选与草莓坚实度高度相关的波数点变量,结合偏最小二乘法建立草莓坚实度预测模型。结果表明：经过标准正交变换预处理后,采用模拟退火算法优选出24个波数点,在主成分数为5时,建立的偏最小二乘模型具有最佳预测效果,模型校正集样本相关系数rc为0.9342,校正均方根误差为0.665N/cm2;预测样本相关系数rp为0.9197,预测均方根误差为0.673N/cm2。研究表明：模拟退火算法可以提高近红外模型预测草莓坚实度的精度和鲁棒性,并降低预测模型复杂度。     

基于模拟退火波长优化的草莓坚实度近红外光谱检测

为提高近红外光谱技术检测草莓坚实度模型的精度和鲁棒性,研究了一种基于模拟退火算法的波长优选方法,并找到一种与该算法配套的光谱预处理方法.利用光谱仪和物性仪分别采集草莓样品近红外漫反射光谱和坚实度数据,并采用标准正交变换、多元散射校正、一阶导数、二阶导数等方法对原始光谱进行预处理;最后,利用模拟退火算法优选与草莓坚实度高度相关的波数点变量,结合偏最小二乘法建立草莓坚实度预测模型.结果表明:经过标准正交变换预处理后,采用模拟退火算法优选出24个波数点,在主成分数为5时,建立的偏最小二乘模型具有最佳预测效果,模型校正集样本相关系数rc为0.934 2,校正均方根误差为0.665 N/cm2;预测样本相关系数rp为0.919 7,预测均方根误差为0.673 N/cm2.研究表明:模拟退火算法可以提高近红外模型预测草莓坚实度的精度和鲁棒性,并降低预测模型复杂度.     

不同预处理方法对PLS模型检测哈密瓜糖度的影响

为寻找适合可见近红外光谱检测哈密瓜糖度含量的最佳光谱预处理方法,进行哈密瓜样品可见近红外光谱数据的预处理方法比较与研究。研究比较了4种光谱数据预处理方法对哈密瓜糖度偏最小二乘法建模精度的影响。研究结果表明:标准正态变量变换与二阶导数相结合是哈密瓜糖度含量可见近红外光谱检测的有效光谱预处理方法,其相关系数和内部交叉验证均方差分别为0.6893和0.666,并且利用该方法建立的哈密瓜糖度预测模型的相关系数、预测集均方根误差和校正集的相关系数、校正集均方根误差分别为0.7342、0.573、0.7605、0.588,最佳因子数为11。     

基于人工神经网络的苹果可溶性固形物无损检测

采集了60个苹果在400～1 100nm范围内的可见-近红外漫反射光谱,然后使用连续投影算法将光谱变量进行压缩,最后采用BP神经网络建立了苹果糖度的预测模型。实验表明,连续投影算法从400～1 100nm范围提取出25个优选波长参与建模,有效简化了模型结构。BP神经网络模型对苹果糖度的预测相关系数达到0.853,预测均方根误差为1.303 0。结果表明,基于近红外光谱的苹果糖度无损检测是可行的。     

近红外漫反射检测梨可溶性固形物SSC和硬度的研究

采用近红外漫反射光谱检测梨可溶性固形物(SSC)和硬度.采集梨的近红外漫反射光谱,光谱经梨的吸光度原始光谱、一阶微分和二阶微分预处理,分别采用多元线性回归、主成分回归和偏最小二乘法,建立了梨可溶性固形物(SSC)和硬度的定量预测数学模型.结果表明采用一阶微分结合偏最小二乘法的预测效果最好,可溶性固形物(SSC)和硬度定量数学校正模型的相关系数分别为0.9285和0.8478,均方根误差分别为0.4364°Birx和1.227.近红外漫反射光谱作为一种无损的检测方法用于评价梨可溶性同形物(SSC)和硬度是可行的.     

近红外光谱在南疆红枣糖度无损检测中的应用

南疆红枣的分级目前还停留在外部品质,然而红枣的内部品质比外部品质更重要。红枣的内部品质包括糖度、酸度等。利用近红外漫反射光谱技术对南疆红枣糖度进行无损检测,应用傅立叶变换近红外光谱仪采集红枣光谱图,糖度的测定选用数字阿贝折射仪。分别选用偏最小二乘法(PLS)和主成分回归分析法(PCR)的化学计量学方法建立红枣校正模型,光谱数据预处理选择一阶导数光谱、平滑等,得到的校正相关系数(Rc)为0.942 5,预测相关系数(Rp)为0.910 4,校正标准偏差(SEC)值为1.02。预测标准偏差(SEP)值为0.836,主因子数为5。     

鲜枣内部综合品质光谱评价指标建立与分析

为实现鲜枣内部综合品质的在线无损快速检测,利用可见/近红外光谱漫反射技术,针对完熟期壶瓶枣的内部品质,包括含水率、可溶性固形物含量、硬度、可溶性蛋白质含量、维生素C含量5项指标,分别采用竞争性自适应重加权算法(CARS)提取特征波长并建立最小二乘-支持向量机(LS-SVM)预测模型,硬度预测模型的相关系数和均方根误差分别为0.945 2和41.684 9,其余品质预测模型的相关系数均在0.923 0及以上、均方根误差均在3.779 2及以下。在此基础上,对5项品质指标进行了相关性分析,表明在0.01或0.05水平上两两指标间存在极显著或显著的相关性,故采用因子分析法构建了内部综合品质评价指标,建立了CARS-LS-SVM预测模型,结果表明该模型的相关系数和均方根误差分别为0.924 1和6.063 5,预测精度较高。研究表明,所建立的CARS-LS-SVM模型可有效实现鲜枣内部综合品质的评价。     

近红外光谱结合最小二乘支持向量机的脐橙叶片含水率无损检测

为了快速检测赣南脐橙果树叶片含水率,提出近红外光谱结合最小二乘支持向量机的快速检测方法。采用积分球漫反射方式采集叶片的近红外光谱,通过间隔偏最小二乘法从2 074个光谱变量中优选出345个变量作为建模的输入向量,分别建立最小二乘支持向量机和偏最小二乘校正模型。经比较,以径向基函数为核函数的最小二乘支持向量机模型预测结果最优,预测相关系数为0.942,预测均方根误差为2.7%,模型建立及预测时间为0.176s。实验结果表明近红外光谱结合最小二乘支持向量机的脐橙叶片含水率无损检测方法是可行的。     

基于无参数高效算法的近红外光谱模型传递研究

模型传递可解决不同近红外光谱仪间多元校正模型无法共享的问题。以食用油为研究对象,对其酸值和过氧化值模型进行传递分析。在主机上建立偏最小二乘多元校正模型,利用无参数高效模型传递(PFCE)算法中NS-PFCE无标样算法和FS-PFCE有标样算法分别实现模型传递,探讨了标准化样品数量对模型传递效果的影响。并与经典的3种有标样传递算法和2种无标样传递算法进行对比。结果表明,经NS-PFCE无标样传递后,从机酸值与过氧化值预测集均方根误差分别从0.613 mg/g和16.153 mmol/kg下降到0.275 mg/g和9.523 mmol/kg;而经FS-PFCE有标样传递后,从机酸值与过氧化值预测集均方根误差分别下降到0.274 mg/g和8.945 mmol/kg。且随着标准化样品数量的增加,经PFCE算法传递后预测集均方根误差越低。无参数高效模型传递算法联合应用单一的无标样算法和有标样算法两种传递方式,增强了传递模型的适应性和包容性,同时有效地降低主机光谱与从机光谱之间的差异,实现了不同光谱仪间校正模型的共享。     

基于微流控和比色光谱法的水产养殖海水氨氮含量检测

为实时、准确地获取水产养殖海水中氨氮含量,以大围网养殖海水中的氨氮为研究对象,在比色光谱法基础上结合微流控技术进行靛酚蓝法比色反应,实现对溶液中氨氮含量的定量检测。建立数据处理后相应的模型,并且对比了不同光谱预处理和不同样本集划分算法对建立预测模型的影响,其中多元散色校正（MSC）后再使用小波平滑的预处理方法结合排序法划分样本集建立的偏最小二乘（PLS）回归模型效果最优,建模集校正标准差（RMSEC）和预测集校正标准差（RMSEP）分别为0.0566mg/L和0.0677mg/L,相对分析误差（RPD）为6.8932;在优化条件下测得方法的线性范围和检测限分别为0.005~1.350mg/L和0.0036mg/L。对海水、自来水和养殖水体进行加标回收实验,平均回收率在94%~109%之间,相对标准偏差在2.3%~5.8%之间。结果表明,实验建模效果良好,操作简单、方便,实验快速、可靠、无污染,表明利用比色光谱法结合微流控技术检测氨氮方法可行。     

2TPR&2TPS并联机器人结构参数辨识

并联机器人末端位姿精度对其工作性能影响较大，建立有效的标定算法是提高机器人位姿精度的重要保证。本文以一种2TPR&2TPS并联机构为研究对象，首先对机器人进行运动学分析，采用全微分法得出机器人的误差模型，根据该模型得出机器人结构参数误差与末端位姿误差的量化关系，以及各误差项误差变动对末端位姿误差的影响规律；接着，建立参数辨识模型和标定效果评价函数，验证了参数辨识模型的有效性，再用该模型辨识机器人的结构参数误差；最后，修正运动学模型完成了机器人的误差标定。实验结果显示，标定后机器人的平均位置精度提升68.62%,距离误差均值由7.710 mm降至2.350 mm,精度提升69.52%,实验结果证明本文的标定算法有效。     

基于色调分形维数的柑橘糖度和有效酸度检

研究了宫川温州蜜柑糖度及有效酸度的机器视觉检测技术及影响检测精度的因素.对机器视觉系统采集的柑橘图像进行图像裁切、亮度法去图像背景和RGB空间至HSI空间的转换,将柑橘色调范围分割为0°～20°、20°～40°、40°～60°、60°～80°、80°～100°和100°～120°共6个区域,提取各区域色调分形维数,以此作为BP神经网络输入,无损检测宫川温州蜜柑糖度及有效酸度.167个测试样本的检测结果表明:在±1.5°Brix精度范围内糖度正确识别率为66.6175%,在±0.5精度范围内有效酸度正确识别率为73.9275%.宫川温州蜜柑糖度及有效酸度与果皮色调分形维数之间具有相关性,可用机器视觉检测其糖度及有效酸度.     

离散元模拟中沙土参数标定方法研究

农业机械与土壤相互作用仿真时,选用颗粒相互作用参数的准确度将直接影响仿真结果。本文提出一种通过试验与模拟相结合系统地标定沙土颗粒相互作用参数的方法。通过堆积角测试装置、三轴剪切试验仪、图像颗粒分析系统等设备测量计算沙土的堆积角、剪切模量、粒径分布和外观形貌等参数,为颗粒或工厂建模提供参考。使用标准球和非标准球对沙土颗粒的碰撞恢复因数、静摩擦因数、滚动摩擦因数进行标定。研究不同质量和不同标定方法(抽板法和漏斗法)是否对堆积角产生影响。模拟结果表明,选用标准球标定时,碰撞恢复因数是0.15,静摩擦因数是0.8,滚动摩擦因数是0.2,抽板法得到的堆积角是33.99°,相对误差是4.74%;漏斗法得到的堆积角是33.59°,相对误差是3.51%。同时,选用非标准球进行标定时,碰撞恢复因数是0.15,静摩擦因数是0.2,滚动摩擦因数是0.3,抽板法得到的堆积角是32.06°,相对误差是1.20%。由此看出,颗粒外观形貌对颗粒间静摩擦因数影响相对较大。     

用近红外透射光谱快速检测内燃机润滑油性能

通过对内燃机曲轴箱润滑油近红外吸收光谱的分析，研究了润滑油近红外吸收光谱随发动机工作时间变化的规律，为快速分析发动机润滑油的性能提供了一种新颖、可靠的分析方法，试验使用8个不同工作时间间隔的发动机润滑油样本，建立了润滑油的使用时间与近红外光谱之间的数学关系，为确定润滑油的换油时间提供了理论依据。     

基于DSP和CPLD的振动信号校准采集研究

介绍了一种实时振动信号校准采集的方法,建立了基于TMS320F2812的DSP芯片为控制核心进行测量振动信号并校准的系统,并对信号采集的DSP模块、信号实时采集、误差校准的算法和LCD显示实现进行了分析。最后,将此校准采样方法应用于上海纽荷兰SNH504拖拉机座椅振动信号的测量,为拖拉机座椅振动测量和故障诊断提供了有效的参考依据。     

小麦秸秆中K和Na元素LIBS同步定量分析研究

快速分析小麦秸秆中K和Na元素含量对提高其燃烧效率具有重要的现实意义。选用华北地区29个小麦秸秆代表性样本作为研究对象,以电感耦合等离子体质谱法(ICP-MS)量测结果作为标准值,探讨激光诱导击穿光谱(LIBS)技术对小麦秸秆中K和Na元素含量进行定量预测分析的可行性。为提高模型定量分析精度,首先分别选取K和Na分析线附近波段光谱作为定标模型原始光谱数据,对比基线校正(BC)、归一化(Norm)与中心化(MC)相互组合算法对LIBS光谱降噪效果影响,分析比较线性建模方法:偏最小二乘回归(PLSR)和非线性建模方法:增强型反向传播人工神经网络(BP-ADaboost)对预处理后光谱数据的适用性。研究结果发现,与PLSR模型相比较,小麦秸秆中K和Na的BP-ADaboost最优模型效果均较好,其预测决定系数R2p分别为0. 908和0. 979,预测均方根误差分别为2. 388 g/kg和0. 138 g/kg,相对分析误差分别为2. 358和4. 203。结果表明,LIBS技术能用于小麦秸秆中K和Na的同步快速定量分析。     

青贮饲料近红外光谱分析模型转移研

为了探讨青贮饲料的近红外光谱(NIRS)分析模型在不同类型光谱仪器之间的转移,以傅里叶变换型近红外光谱仪Nicolet ANTARIS作为主仪器,光栅型近红外光谱仪FOSS 6500作为从仪器,采用斜率/截距和局部中心化2种方法进行了研究.结果表明,经斜率/截距和局部中心化法转移之后,所建立校正模型的决定系数R2和交互验证决定系数R2cv均大于0.85.采用斜率/截距法转移之后,ANTARIS仪器校正模型对FOSS 6500仪器验证集的预测标准差为20.27 g/kg,系统偏差为-3.75,采用局部中心化法转移之后的预测标准差为27.67 g/kg,系统偏差为-6.17.2种方法模型转移后的预测结果与FOSS 6500仪器模型的预测结果(预测标准差为20.60 g/kg,系统偏差为-1.04)非常接近,比转移前的预测结果(预测标准差为39.65 g/kg,系统偏差为-33.60)有较大程度改善,2种方法均获得较好的转移效果.     

基于OSC和PLS的土壤有机质近红外光谱测定

分析了经过简单处理的土壤样本光谱特性,将正交信号校正与偏最小二乘算法回归相结合,建立了土壤光谱特性与土壤有机质含量之间的定量分析模型。结果表明,正交信号校正可以消除噪声信息对土壤有机质含量预测的影响,预测样本的预测相关系数达到0.893、标准偏差为0.051%、预测标准差为0.050%;而不采用正交信号校正建立定量分析模型的对应参数分别为0.818、0.069%和0.085%。